Ecole Nationale Polytechnique Electrical Engineering Department 10 Avenue Hassen Badi, El-Harrach Algiers, Algeriac;
机译:通过识别无癫痫性脑电图相关性的短暂变化来检测癫痫儿童的脑功能障碍迹象。
机译:通过识别无癫痫性脑电图相关性的瞬时变化来检测癫痫儿童脑功能障碍的体征
机译:自主神经系统在非癫痫性精神性癫痫发作的发作期和发作期起作用,并与癫痫发作进行比较。
机译:使用FLDA和贝叶斯推断改进对抽搐和心理性非癫痫性惊厥发作的检测和分类
机译:提高MMPI-2-RF区分精神性非癫痫性发作和癫痫性癫痫发作的能力。
机译:在住院视频脑电图监测的单个时期内同时发生非癫痫和癫痫发作
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)